PHP操作DOMDocument和DOMXPath示例代码 代替JS玩转DOM树的思路
最近有一个需求，我需要把一个导航页的数据整理好写入数据库。一个比较直观的方法是对html文件进行分析，通用的方法是用php的正则表达式来匹配。但是这样做开发和维护都很困难，代码可读性非常差。
导航页的数据都是规则的排列在DOM树当中的，用JS可以用几个循环轻松的对其进行操作，而且JS需要依赖浏览器，操作数据库很困难。其实PHP就有现成的类库对DOM树种的节点进行增删改查操作，在此做一些笔记。
这里涉及到2个类 DOMDocument 和 DOMXPath。
其实思路比较明确，就是通过DOMDocument将一个html file转换成DOM树的数据结构，再用DOMXPath的实例去搜索这个DOM树，拿到想要特定节点，接下来就可以对当前节点的子树进行遍历，得到想要的结果。
在当前目录下有一个这样一个导航的html文件 "./hao.html"
现在需要得到所有<a>标签的中文内容，php代码如下：
代码如下:
<?php
//将html/xml文件转换成DOM树
$dom = new DOMDocument();
$dom->loadHTMLFile("hao.html");
//得到所有class为fix的dl标签
// example 1: for everything with an id
//$elements = $xpath->query("//*[@id]");
// example 2: for node data in a selected id
//$elements = $xpath->query("/html/body/div[@id='yourTagIdHere']");
// example 3: same as above with wildcard
//$elements = $xpath->query("*/div[@id='yourTagIdHere']");
$xpath = new DOMXPath($dom);
$dls = $xpath->query('//dl[@class="fix"]');
foreach ($dls as $dl) {
$spans = $dl->childNodes;
foreach ($spans as $span) {
echo trim($span->textContent)."\t";
}
echo "\n";
}
?>
输出结果如下：
注意：值得注意的一点是DOMDocument的默认编码方式是Latin，所以在处理utf编码的中文的时候，需要在<head>后面紧跟着填入
代码如下:
<meta http-equiv="content-type" content="text/html; charset=utf-8">
在其他位置，或者是只写上<meta content="charset=utf-8">都是不识别的哦
相关文章
- js 添加DOM节点示例(2014-7-17 15:49:14)
- js createDocumentFragment：更快捷的操作DOM的途径 代码高亮库就是用的这个(2014-5-4 11:24:25)
- js和jQuery获取父元素,删除子元素的两种不同方法(2014-1-20 16:14:13)
- js与jQuery获取父级元素,子级元素,兄弟元素的实现方法(2014-1-20 15:18:0)
- jQuery动态添加、删除元素DOM的方法(2014-1-20 11:46:52)
- 详解标准W3C盒子模型和IE的css盒子模型(2013-11-26 17:40:9)
- js获取DOM高度 offsetHeight offsetWidth(2013-8-27 16:52:53)
- 复制input 包含手动输入的值(2013-7-8 10:49:46)
- 父页面调用iframe里的js函数(contentWindow)和dom元素(contentDocument)(2013-4-3 18:6:18)
- DOM操作——怎样添加、移除、移动、复制、创建和查找节点(2012-10-24 10:51:50)
